Parrallel model combination in large vocabulary continuous speech recognition
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2009
Department
Major/Subject
Akustiikka ja äänenkäsittelytekniikka
Mcode
S-89
Degree programme
Language
en
Pages
(8+) 62
Series
Abstract
Yksi eniten automaattista puheentunnistusta vaikeuttavista ulkoisista tekijöistä on taustamelun määrä ja laatu. Kohinaista puheentunnistusta on tutkittu jo pitkään, mutta suurin osa tutkimuksista on tehty pienen tai keskisuuren sanaston, tai yksittäisten sanojen tunnistimilla englannin kielellä. Tässä TKK:n Adaptiivisen Informatiikan tutkimusyksikössä tehdyssä työssä tutkittiin Data-driven PMC-kohinansietomenetelmän soveltuvuutta jatkuva-aikaisen laajan suomenkielisen sanaston tunnistukseen. DPMC:ssä opetetaan mallit sekä puheelle että kohinalle, jotka yhdistämällä voidaan estimoida kohinaista puhetta. Testiaineistona käytettiin sekä valmiiksi meluisassa ympäristössä nauhoitettua puhetta että puhtaan puheen päälle lisättyä kohinaa. Lisäksi tutkittiin kohinamallin piirteiden asteluvun vaikutusta tunnistustuloksiin. Yleensä kepstritason kertoimien määrää vähennetään laskennan tehostamiseksi. Tulosten perusteella Data-driven PMC-menetelmä paransi huomattavasti matalan signaali-kohinasuhteen tunnistustarkkuutta verrattuna perustason tunnistimeen, josta kohinansieto puuttui. Heikosti kohinaisella signaalilla ilmiö oli lähes päinvastainen; DPMC:n kirjaintason virheprosentiksi saatiin eräässä, kokonaistuloksia kuvastavassa, julkisella paikalla nauhoitetulla puheella tehdyssä testissä 14,1 % (SNR 24 dB), 16,0 % (14 dB) ja 23,3 % (9 dB). Perustason tunnistimen vastaaviksi virheprosenteiksi saatiin 6,6 %, 34,8 % ja 49,5 %. Kohinamallin piirteiden asteluvun pitäminen täytenä näytti pienentävän tunnistusvirhettä suhteellisesti enemmän suurilla signaali-kohinasuhteilla kuin pienillä. Samassa aitoa kohinaista dataa käyttävässä testissä saavutettiin virheprosenteiksi 13,6 %, 15,7 % ja 23,0 %. Data-driven PMC:llä pystytään parempaankin tunnistustarkkuuteen laskenta-ajan kustannuksella, jos Monte-Carlo menetelmällä generoitujen jakaumaestimaattien otantaa kasvatetaan.Description
Supervisor
Alku, PaavoThesis advisor
Palomäki, KalleKeywords
noise robust, kohinansieto, noisy, kohinainen, large vocabulary, suuri sanasto, speech recognition, puheentunnistus, data-driven PMC, data-driven PMC, noise model, kohinamalli, full feature vector, piirteiden täysi asteluku